基于混沌與分形理論的表面肌電信號非線性分析

測控論文編號:CK021    論文字數(shù):19337,頁數(shù):55 ,有開題報告，任務書，外文翻譯，程序
目    錄
 
摘要 Ⅰ
Abstract Ⅱ
第1章  緒論 1
    1.1  概述 1
    1.2  本課題研究的內(nèi)容及要求 1
第2章  混沌與分形理論及其在生物電信號領域中的應用 3
 2.1  混沌理論及其在生物電信號領域中的應用 3
        2.1.1  混沌理論 3
        2.1.2  混沌的數(shù)值分析方法 4
        2.1.3  混沌理論在生物電信號領域中的應用 8
    2.2  分形理論及其在生物電信號領域中的應用 9
        2.2.1  分形理論 9
        2.2.2  分形理論在生物電信號領域中的應用 15
第3章  Matlab語言簡介 16
 3.1  Matlab的工具箱 16
 3.2  Matlab數(shù)值計算功能簡介 18
        3.2.1  矩陣和數(shù)組運算 18
        3.2.2  矩陣和數(shù)組函數(shù) 19
        3.2.3  關系運算和邏輯運算 21
 3.3  Matlab的程序結構 22
        3.3.1  順序結構 22
        3.3.2  循環(huán)結構 22
        3.3.3  分支結構 23
第4章  基于混沌與分形理論的表面肌電信號非線性分析 26
 4.1  實驗采集表面肌電信號 26
 4.2  表面肌電信號的混沌特性及其判別 28
        4.2.1  相空間重構 29
        4.2.2  最大李氏指數(shù)的計算和混沌特性判別 30
 4.3  表面肌電信號的分形維數(shù)特征提取 33
 4.4  多種分類器對分形維數(shù)的識別與分析 39
第5章  結論及展望 41

致謝 42
參考文獻 43
附錄1  求取最大李雅譜諾夫指數(shù)的軟件程序清單 44
附錄2  提取分形維數(shù)特征值的軟件程序清單 46
附錄3  提取的分形維數(shù)特征值（160×4） 50

摘    要
   
本文主要采用混沌、分形的理論和方法對實驗采集的表面肌電信號進行了分析和處理，通過相空間重構，分析前臂八種動作過程中表面肌電信號的混沌、分形特性。研究表明，肌電信號具有正的李雅譜諾夫指數(shù)，表現(xiàn)出一定的混沌特性，通過計算表面肌電信號的分形維數(shù)，發(fā)現(xiàn)不同動作的肌電信號具有不同的聚類分布，并通過各種分類器對提取的特征值——分形維數(shù)進行模式識別，獲得了比較好的識別效果，尤其基于支持向量機理論和貝葉斯決策理論的分類器對八種動作的識別率均能達到90%以上。

 關鍵字  肌電信號   混沌   李雅譜諾夫指數(shù)   分形維數(shù)    非線性分析

Abatract
 
 The surface EMG signals which are gathered by experiments are analysed and dealt by means of the method of chaos and fractal theory, and the chaos of the surface EMG signals and  the characteristic of fractal in the process of the movement is analyzed by means of reconstructing phase space in this paper. It is researched that, the surface EMG signals have positive Lyapunov exponent, and show certain chaos features. It is found that myoelectric signals of differernt motions have different cluster distributions by calculating the surface EMG signals’fractal dimension, and also can recognise and analyze the distilled characterless value——ftactal dimension by all kinds of classifier, obtaining better identify effect, especially, the identify quotiety to the eight action using the classifier based on Support Vector Machine theory and Bayes Decision theory all can be above 90%.

 Keywords  EMG signals     Chaos     Lyapunov exponent      Ftactal dimension        Nonlinear analysis